[發明專利]一種智能交通監控系統

有效

• 申請號: 201711485166.7
• 申請日: 2017-12-29
• 公開（公告）號: CN108062861B
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 潘彥伶
• 申請（專利權）人: 北京安自達科技有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/00;G06K9/46;G06T7/246;G06K9/62
• 代理公司: 杭州麥知專利代理事務所(普通合伙) 33397
• 代理人: 夏一鳴

1.一種智能交通監控系統，其特征是，包括攝像頭、無線傳輸模塊和后端監控服務平臺；

所述攝像頭用于采集監控路段的視頻圖像；

所述無線傳輸模塊用于將采集到的視頻圖像發送至所述的后端監控服務平臺；

所述后端監控服務平臺用于對視頻圖像中動態車輛進行檢測和跟蹤；

所述后端監控服務平臺包括目標獲取子模塊、初始化子模塊和跟蹤定位子模塊；所述目標獲取子模塊用于從視頻圖像中選取一幀圖像作為起始幀圖像，并人工標記出初始幀圖像中動態車輛；所述初始化子模塊用于對起始幀圖像進行初始化操作；所述跟蹤定位子模塊根據所述初始化子模塊的初始化結果，對動態車輛進行檢測和跟蹤；

所述跟蹤定位子模塊包括外觀特征評估單元、運動特征評估單元、定位單元和目標尺度更新及選擇單元；

所述外觀特征評估單元用于對通過霍夫森林檢測器后的t時刻的視頻圖像中動態車輛中心位置坐標進行霍夫投票，根據投票結果得到外觀特征可信度值；

所述運動特征評估單元用于根據動態車輛在空時域的運動信息，對光流跟蹤塊進行處理，輸出t時刻的視頻圖像中動態車輛中心位置坐標的運動特征可信度值；

所述定位單元用于根據獲得的外觀特征可信度值和運動特征可信度值對t時刻時的視頻圖像中動態車輛中心位置坐標進行估計，得到動態車輛中心位置的估計坐標；

所述目標尺度更新及選擇單元用于根據定位單元得到的估計坐標，實現對目標區域的尺度更新同時從更新后的t時刻的視頻圖像中重新選取正訓練樣本、負訓練樣本和光流跟蹤塊，根據重新選取的正訓練樣本和負訓練樣本對霍夫森林檢測器進行更新；

所述的對光流跟蹤塊進行處理，輸出t時刻時的視頻圖像中動態車輛的中心位置坐標的運動特征可信度值，具體包括：

(1)根據從所述初始化子模塊得到的光流跟蹤塊，利用Lucas-Kanade光流算法得到每個光流跟蹤塊在t時刻時光流跟蹤塊的中心位置，利用中值濾波濾除前向-后向光流誤差較大的光流跟蹤塊，得到t時刻時有效光流跟蹤塊中心位置的集合和有效光流跟蹤塊相對于動態車輛中心的偏移量集合其中，k為第k個有效光流跟蹤塊，M為有效光流跟蹤塊的個數，(v_k^t，ω_k^t)為t時刻時第k個有效光流跟蹤塊中心位置坐標；dv_k表示第k個有效光流跟蹤塊中心位置坐標的水平方向的偏移量，dω_k表示第k個有效光流跟蹤塊中心位置坐標的垂直方向的偏移量；

(2)利用下式計算t時刻時動態車輛中心位置坐標位于(m，n)處的光流特征累積投票值：

其中，為t時刻動態車輛的中心位置位于坐標(m，n)處的光流特征累積投票值；θ_k為第k個有效光流跟蹤塊的權重，M為有效光流跟蹤塊的個數；(v_k，ω_k)為第k個有效光流跟蹤塊的中心位置坐標；(dv_k，dω_k)為第k個有效光流塊的中心位置相對于動態車輛中心位置坐標的偏移量；σ²為一個常數參量，且σ²＝4；λ為一個常數參量，w為目標區域的寬，h為目標區域的高；

4)利用下式，得到t時刻時，動態車輛的中心位置位于(m，n)處的運動特征可信度值：

式中，為t時候時動態車輛的中心位置位于(m，n)處的運動特征可信度值，表示t時刻時動態車輛的中心位置位于坐標(m，n)處的光流特征累積投票值，A為感興趣區域，所有可能為動態車輛中心位置坐標點處的光流特征累積投票值構成的集合。

2.根據權利要求1所述的一種智能交通監控系統，其特征是，所述對起始幀圖像進行初始化操作具體包括：

(1)從起始幀圖像中動態車輛所在的目標區域內隨機采樣一定數量的局部圖像塊作為正訓練樣本，從目標區域附近的背景區域內隨機采樣一定數量的局部圖像塊作為負訓練樣本；

(2)從正訓練樣本和負訓練樣本中提取起始幀圖像的圖像特征，該圖像特征包括：正訓練樣本的顏色特征、梯度特征及其相對于動態車輛中心的空間位置偏移信息和負訓練樣本的顏色特征及梯度特征；根據得到的圖像特征構建一個決策樹為I的霍夫森林檢測器；

(3)從目標區域內隨機采用一定數量的局部圖像塊作為光流跟蹤塊，并對光流跟蹤塊的初始位置進行隨機初始化。

3.根據權利要求1所述的一種智能交通監控系統，其特征是，所述對動態車輛中心位置坐標進行霍夫投票，根據投票結果得到外觀特征可信度值，具體包括：

(1)載入t時刻時的視頻圖像，從所述視頻圖像中隨機采樣一定數量的局部圖像塊，并將每個局部圖像塊通過霍夫森林檢測器，霍夫森林檢測器中的決策樹判斷局部圖像塊是否屬于動態車輛，當決策樹判定局部圖像塊屬于動態車輛時，則對動態車輛中心位置坐標進行霍夫投票，并累積投票結果，其中對視頻圖像坐標(m，n)處的累積投票值計算公式如下：

式中，為t時刻時支持動態車輛中心位置坐標位于坐標(m，n)處的累積投票值，A為感興趣區域，感興趣區域是指目標區域及其目標區域附近的背景區域，I表示霍夫森林檢測器中決策樹的總數，Li(s′，r′)表示中心坐標是(s′，r′)的局部圖像塊經過第i個決策樹模型所到達的葉子節點，p((m，n)|L_i(s′，r′))表示中心坐標是(s′，r′)的局部圖像塊經過第i個決策樹模型的條件下，動態車輛中心位置坐標位于(m，n)處的概率；

(2)計算所有可能為動態車輛中心位置坐標的累積投票值，利用下式計算所有可能為動態車輛中心位置坐標點的外觀特征可信度值：

其中，為t時刻時動態車輛中心位置坐標位于(m，n)處的外觀特征可信度值，為t時刻動態車輛中心位置坐標位于(m，n)處的累積投票值，A為感興趣區域，為所有可能為動態車輛中心位置坐標點處的累積投票值構成的集合。